के हामी रोगबिनाको संसार बनाउन सक्छौं?

के यो रोग मुक्त संसार सम्भव छ? रोग भनेको धेरैजसो (यदि सबै होइन भने) मानिसहरूलाई सुन्न असहज महसुस हुन्छ जब उनीहरू वा आफूले चिनेका कसैलाई पनि हुन्छ। सौभाग्य देखि, म्याक्स वेलिंग, एम्स्टर्डम विश्वविद्यालयका मेसिन लर्निङका प्रोफेसर र क्यानेडियन इन्स्टिच्युट अफ एड्भान्स्ड रिसर्चका सदस्य र उनका उद्यमीहरूको टोलीले बिरामीहरूको लागि रोगहरूको निदानको लागि डेटा विश्लेषण प्रणाली सिर्जना गरेका छन्। रमाइलो तथ्य: उहाँले AMLAB (Amsterdam Machine Learning LAB) निर्देशित गर्नुहुन्छ र QUVA Lab (Qualcomm-UvA Lab) को सह-निर्देशन गर्नुहुन्छ। यहाँ हामी हेर्नेछौं कि कसरी यो अद्भुत मानिस र उनको उद्यमीहरूको टोली (सिन्थिया डवर्क, जेफ्री हिन्टन र जुडिया पर्ल) ले रोगको संसारलाई मुक्त गर्न केही अविश्वसनीय सफलताहरू गरे।

म्याक्स वेलिंगको चिन्ता

वेलिंगले आफ्नो TEDx वार्ताको क्रममा औंल्याएका केही तथ्यहरूले यस तथ्यमा ध्यान ल्याउँदछ कि कहिलेकाहीँ बिरामीको निदानको क्रममा डाक्टरले केही नछुटाउन सक्छ। उदाहरणका लागि, उनी भन्छन्, “आधा चिकित्सा प्रक्रियाहरूमा कुनै वैज्ञानिक प्रमाण छैन।” त्यो निदान मुख्यतया विद्यालयमा हासिल गरेको आफ्नै अभ्यास र ज्ञान मार्फत गरिन्छ, जबकि म्याक्सले अन्य सम्भावित रोगहरूको लागि विश्लेषणात्मक भविष्यवाणीको कुनै रूप हुनुपर्दछ भनी भनिरहेका छन्। केही बिरामीहरूलाई गलत निदान गर्न सकिन्छ र अस्पतालमा फर्कन सकिन्छ, जसमा उनले उल्लेख गरे कि तिनीहरू मर्ने सम्भावना 8 गुणा बढी छन्। सबैभन्दा चाखलाग्दो कुरा यो एक मुद्दा हो जुन सधैं अवस्थित छ। कारण गल्तीहरू गर्न बाध्य हुने जत्तिकै सरल छ जसले दुर्भाग्यवश कसैलाई वा धेरै व्यक्तिहरूको जीवन खर्च गर्न सक्छ। त्यति मात्र होइन, वेलिंगले भनेजस्तै, त्यहाँ हरेक वर्ष 230 मिलियन मेडिकल प्रक्रियाहरू आधा ट्रिलियन डलर खर्च हुन्छन्। अरूलाई मद्दत गर्न सेवा प्रदान गर्न खोज्ने कुनै पनि उद्योगले जस्तै, यसले पैसा खर्च गर्छ; यसबाहेक, यसको मतलब अस्पतालहरू र चिकित्सा केन्द्रहरू कोषको जिम्मेवारीमा रहेकाहरूले उद्योगलाई अझ राम्रो दिशामा अगाडि बढाउन खोज्ने आविष्कारकहरूको कुरा सुन्नुपर्छ। यद्यपि, मितव्ययी हुनु सधैं लाभदायक हुन्छ।

गोपनीयता संरक्षण

वेलिंगले आफू र उनको टोलीले ३ वटा सफलता हासिल गरेको बताए । जसमध्ये एउटा कम्प्युटर हो जसले अस्पताल भित्र गोपनीयता सुरक्षित गर्न सक्छ; यसबाहेक, कम्प्यूटरहरूले धेरै बिरामी भएका बिरामीहरूको निदानलाई अझ राम्रो बनाउनको लागि धेरै डेटाको विश्लेषण गर्न सक्छन्। यो सफ्टवेयर नाम दिइएको छ मेसिन लर्नर। अनिवार्य रूपमा, कम्प्युटरले अस्पतालको डाटाबेसमा प्रश्न पठाउँछ, जसले प्रश्नको जवाफ दिन्छ त्यसपछि मेसिन लर्नरले "यसमा केही आवाज थपेर" जवाफ परिवर्तन गर्नेछ। थप विवरणहरूको लागि कृपया यहाँ क्लिक गर्नुहोस् (म्याक्स वेलिंगले 5:20 - 6:06 मिनेटको बीचमा यसलाई अझ राम्ररी व्याख्या गर्दछ)। अर्को शब्दमा, म्याक्सले यसलाई व्याख्या गरेझैं, कम्प्युटरले निदान मार्फत "आफैलाई राम्रो बनाउन" र "डेटाको राम्रो मोडेल निर्माण" गर्न चाहन्छ। यो सबै धन्यवाद हो सिन्थिया डवर्क, जो माइक्रोसफ्ट रिसर्चका प्रतिष्ठित वैज्ञानिक हुन्। उनी गणितीय आधारमा आधारित गोपनीयता संरक्षणमा केन्द्रित छिन्। उनको र उनले के गरिन् भन्ने बारे थप जानकारीको लागि, यहाँ क्लिक गर्नुहोस्। छोटकरीमा, यो पहिलो सफलताले मात्र देखाउँदैन कि म्याक्सले बिरामीको व्यक्तिगत जानकारीको सम्मान गर्न चाहन्छ तर अस्पतालहरूलाई निदानको लागि अझ बलियो आधार प्रदान गर्न चाहन्छ।

गहिरो अध्ययन

दोस्रो सफलता द्वारा प्रकाश ल्याइयो जेफ्री हिन्टन. यान लेकुन, योशुआ बेन्जियो र जेफ्री व्याख्या गरेको छ कि: "डिप लर्निङले ब्याकप्रोपेगेशन एल्गोरिथ्म प्रयोग गरेर ठूला डाटा सेटहरूमा जटिल संरचना पत्ता लगाउँदछ कि कसरी मेसिनले आफ्नो आन्तरिक मापदण्डहरू परिवर्तन गर्नुपर्छ जुन अघिल्लो तहको प्रतिनिधित्वबाट प्रत्येक तहमा प्रतिनिधित्व गणना गर्न प्रयोग गरिन्छ।" सामान्य सर्तहरूमा, यसले मेसिनलाई यसको गहिरो मापदण्डहरू मार्फत यसको जटिल तहहरू मार्फत आफैलाई राम्रोसँग बुझ्न मद्दत गर्दछ (थप विवरणहरूको लागि कृपया तीन जना सज्जनहरूले लेखेका बाँकी समीक्षा पढ्नुहोस्)।

कार्यकारण बनाम सहसंबंध

तेस्रो र अन्तिम सफलता सहसम्बन्धबाट कार्यकारणलाई थप फरक पार्न सहयोगी विचार हो। म्याक्सले Judea Pearl को उपकरणहरूले यी दुई अवधारणाहरू छुट्याउन मद्दत गर्न सक्छ र संगठित हुनुहोस्। अनिवार्य रूपमा जुडियाको भूमिका भनेको डाटालाई थप संरचना दिन मद्दत गर्नु हो जुन यदि बिरामी फाइलहरू डिजिटल रूपमा डाटाबेसमा स्थानान्तरण गरिन्छ भने गर्न सकिन्छ। पर्लको काम एकदम जटिल छ त्यसैले यदि तपाईं उसको "उपकरणहरू" के हो भनेर थप बुझ्न चाहनुहुन्छ भने यहाँ क्लिक गर्नुहोस्.

म्याक्सको इच्छा

वेलिंगले उनको अन्त्यमा संक्षेप गरे TEDX कुराकानी कि उसले मेसिन लर्नर मार्फत गोपनीयता जोगाउन चाहन्छ। दोस्रो, पैसा र जीवन बचाउनको लागि निदानमा थप सुधार गर्न डाटा नाबालिग र वैज्ञानिकहरूलाई संलग्न गराउन। अन्तमा, उहाँ अस्पतालहरू, डाक्टरहरू र बिरामीहरूलाई प्रविधिको माध्यमबाट राम्रो सेवा प्रदान गरेर स्वास्थ्य सेवामा क्रान्तिकारी परिवर्तन गर्न चाहनुहुन्छ जसले अस्पताल भ्रमणहरू छोटो बनाउन र पैसालाई अझ प्रभावकारी रूपमा प्रयोग गर्न मद्दत गर्न सक्छ। यो स्वास्थ्य हेरचाहमा एक सुन्दर दृष्टिकोण हो किनभने उहाँ चिकित्सा उद्योगको सम्मान मात्र गर्न चाहनुहुन्न, उहाँ अस्पताल र चिकित्सा केन्द्रहरूको बजेटको बारेमा सोच्दै जीवन बचाउन मद्दत गर्न चाहनुहुन्छ।